[AWS CAF] Operations Perspective

AWS CAF Operations, CAF Operations Perspective, CAF 운영 관점, Cloud Operations, AWS SRE, AWS Observability

정의

Operations Perspective 는 AWS CAF 6 관점 중 클라우드 서비스가 비즈니스가 요구하는 수준으로 딜리버리되도록 보장 하는 관점입니다. 자동화 + 최적화 로 신뢰성 있게 확장.

주요 stakeholder: 인프라/운영 리더, SRE (Site Reliability Engineer), IT service manager.

주요 Capabilities

1. Observability

시스템 상태 가시성. Metrics, Logs, Traces.

AWS 도구:

• CloudWatch Metrics, Logs, Alarms, Dashboards
• CloudWatch Application Signals (2024+)
• X-Ray (tracing)
• OpenTelemetry (표준)
• Managed Prometheus, Managed Grafana

3 pillars of observability:

• Metrics: 수치 시계열 (CPU%, requests/s)
• Logs: 이벤트 (structured JSON)
• Traces: 요청 흐름 (분산 트레이싱)

2. Event Management (AIOps)

이벤트 상관 + 자동 대응.

• Alert de-duplication
• Alert routing (PagerDuty, Opsgenie)
• Auto-remediation (Lambda + Systems Manager)
• ML 기반 이상 감지

3. Incident and Problem Management

사고 대응 프로세스.

• Incident: 실시간 문제 (down)
• Problem: 근본 원인 조사
• PIR (Post-Incident Review): Blameless postmortem

단계:

1. Detection
2. Triage (severity 판단)
3. Response (mitigation)
4. Communication (상태 페이지, stakeholder)
5. Resolution
6. PIR

4. Change and Release Management

프로덕션 변경 관리.

• Change Advisory Board (전통) -> Automated (클라우드)
• Blue/green, canary
• Rollback 자동화
• Change failure rate 추적 (DORA metric)

5. Performance and Capacity Management

성능 목표 (SLO) 정의 + 용량 계획.

• SLO (Service Level Objective): 예 99.9% 가용성
• SLI (Service Level Indicator): 측정 지표
• Error budget: SLO 대비 여유
• Capacity planning: 미래 부하 예측

6. Configuration Management

리소스 설정 관리:

• Config 로 리소스 상태 추적
• Systems Manager Parameter Store
• IaC (immutable, versioned)

7. Patch Management

OS/앱 패치:

• Systems Manager Patch Manager
• 자동 스케줄 (매주 등)
• Compliance 상태 리포트

8. Availability and Continuity Management

가용성 + 재해복구.

• RTO (Recovery Time Objective): 복구까지 시간
• RPO (Recovery Point Objective): 데이터 손실 허용 시간
• Multi-AZ, Multi-region
• DR runbook

9. Application Performance Monitoring (APM)

앱 성능 관측.

• Latency percentiles (p50, p95, p99)
• Throughput
• Error rate
• Apdex score
• User experience

SRE (Site Reliability Engineering)

Google 이 만든 클라우드 시대 운영 접근법. Operations perspective 의 실현.

핵심 원칙:

• Automation: 반복 작업 자동화 (toil 제거)
• Measurement: 모든 것 측정 (SLI/SLO/SLA)
• Error budget: 100% 가용성 목표 X (혁신과 안정성 균형)
• Blameless postmortem: 사람 아닌 시스템 문제로

Toil: 자동화 가능한 반복 수동 작업. SRE 는 toil 50% 이하 유지 목표.

SLO / SLI / SLA

SLI (Indicator): 측정 지표. 예: “요청의 99% 가 200ms 이하로 응답”

SLO (Objective): 내부 목표. 예: 99.9% availability/month

SLA (Agreement): 고객과의 계약. 위반 시 배상.

Error Budget = 100% - SLO. 예: SLO 99.9% -> error budget 0.1% = 43분/월.

• Budget 남으면: 새 기능 배포 OK
• Budget 소진: 안정성 개선 우선

DORA Metrics

Elite performing team 지표 (Google DevOps Research):

1. Deployment Frequency: 몇 번 배포 (일/주)
2. Lead Time for Changes: 코드 커밋 -> 프로덕션
3. Change Failure Rate: 배포가 문제 유발 %
4. Time to Restore Service: 사고 복구 시간

Elite: 하루 여러 번 배포, 리드타임 < 1시간, 실패율 < 15%, MTTR < 1시간.

Operational Runbook

표준 운영 절차 문서화. 특정 상황에 따라야 할 단계.

Runbook: RDS Failover
1. CloudWatch alarm 확인 (CPU / Connections)
2. Read replica lag 확인
3. Manual failover 필요 시:
   aws rds failover-db-cluster --db-cluster-identifier prod-db
4. Application 재시작 (필요 시)
5. PIR 준비

Systems Manager Automation runbook 으로 자동화 가능.

Chaos Engineering

의도적 실패 주입 으로 시스템 회복력 검증.

• AWS Fault Injection Simulator (FIS): EC2 stop, latency 주입 등
• Netflix Chaos Monkey (원조)
• Game days (팀 훈련)

Reliability capability 검증.

Automation Priorities

1. Deployment: CI/CD, IaC
2. Testing: 자동 통합/E2E 테스트
3. Monitoring: 알람 자동
4. Remediation: 자동 복구 (예: EC2 replace)
5. Scaling: Auto Scaling, HPA
6. Backup / Restore
7. Patching

Well-Architected Operational Excellence

Platform perspective 의 6 pillar 중 하나. Operations 는 이 pillar 의 실현.

설계 원칙:

• Perform operations as code
• Make frequent, small, reversible changes
• Refine operations procedures frequently
• Anticipate failure
• Learn from all operational failures

실전 활동

Envision

• 현재 운영 성숙도 진단 (DORA)
• SLO 정의
• Incident history 분석

Align

• Observability 스택 설계
• On-call 계획
• Runbook 저장소

Launch

• CloudWatch dashboard + alarm
• On-call rotation 시작
• 첫 GameDay

Scale

• 자동 remediation 확대
• SRE 팀 성숙
• DORA metric 지속 개선

흔한 실패 패턴

관련 위키

• AWS CAF - 상위 개요
• Business Perspective
• People Perspective
• Governance Perspective
• Platform Perspective
• Security Perspective
• CloudWatch
• OpenTelemetry
• Prometheus
• SLO/SLI/Error Budget
• Latency Percentiles